7月9日，国内第一份聚焦于消费金融行业风控技术创新的研究报告《消费金融风控创新白皮书》发布。研究显示，消费金融新的风控模式目前主要运用了生物特征识别、机器学习与模型训练、自然语言处理、大数据抓取与数据处理、基于大数据的用户画像等五类技术，并将这些技术应用于消费金融领域的金融服务自动化、客户关系管理、反欺诈、智能客服、质量管理、贷后管理等多个方面。
在消费金融领域，不论是以资金和牌照为优势的银行系，还是以场景流量切入的电商平台系，或者对外输出解决方案的技术流，要想拔得头筹，风控和技术都是核心竞争力。风控是内功、应用技术是招式――不同从业机构，结合科技和所在领域特点落地的风控技术创新各有所长。
银行系：关键字是“重构”
工商银行在消费金融风控领域构建了外部欺诈风险信息系统，并进一步收集全行风险大数据进行挖掘处理，通过关联业务分析和数据可视化建设，基于风险大数据重构了银行风控体系。
与时俱进、重构了风控模式的还有渤海银行。在面对传统客户和线上客户差异巨大、线上客户不能被银行的信用信息基础数据全覆盖(有相当一部分是来自第三方的合作引流)的情况下，从去年开始，渤海银行联合第三方机构根据该行风险偏好和现有授信审批政策，加入数据模型量化模块，自主开发了风控模型，贯穿贷前、授信和贷后管理整个流程。
中望金服超人卡认为：我国信用体系建设尚不完备，但随着经济迅速发展，信贷需求处于爆发性增长阶段。重构风控体系，是市场需求使然，也是传统金融机构积极尝试改革创新的重要环节。
电商平台系：海量数据、创新变现
通过关联公司丰富的消费场景，蚂蚁金服、京东金融这样的互金公司积累了海量用户的消费数据、行为数据和支付数据。基于这部分大数据，通过创新的技术手段来提升自身消费金融业务的风控水平。例如蚂蚁金服的CTU系统，通过数据分析、数据挖掘进行机器学习，自动更新完善风险监控策略。
而京东金融则自主研发了安全魔方系统和天盾账户安全与反欺诈系统，聚焦实时账户行为，基于账户历史行为模式、当前操作行为和设备环境等因素，有效防范申请欺诈、信用欺诈、账户盗用等风险。
中望金服超人卡认为：风控是金融及相关服务行业的基础，数据是风控的基础。风控环节中的决策都依赖于数据，数据贯穿于风控始终。比如识别筛选客户、建立模型识别欺诈风险、预测客户违约指数等等。
金融科技公司：术业有专攻输出方案解决行业痛点
行业越发展越成熟，服务也就随之更专业化、细分化。以风控和数据能力为突出优势，对外输出金融科技解决方案的专业平台迅速崛起。
比如国内创业板大数据金融科技第一股的康旗股份，就成立了大数据金融科技实验室，向银行、保险和消费金融等机构输送智能获客、智能营销和智能风控等的智能解决方案，提供B2B2C金融科技服务、大数据营销服务和行业信用报告服务。
百度早在2017年6月份推出反欺诈系统-磐石，在贷前环节，其反欺诈身份识别就包括了三个部分：设备风控、活体识别、OCR文字识别。通过这三层筛选能有效防控伪冒申请、虚假资料。贷中环节，通过风险名单、多头防控、关联黑产，配合地理位置核验、信用分、用户授权认证等，有效拦截金融欺诈产生。
而中望金服超人卡则充分发挥数据和风控的优势进行贷前审核和防范欺诈。数据方面，中望金服在多年行业经验和自有数据沉淀的基础上，在公司成立初期进行风控系统搭建和决策引擎上线等基础设施搭建的同时，即开始与数十家征信公司、第三方数据公司进行对接和评估。数据抓娶外部数据引入、数据存储、数据挖掘、模型应用、精细化管理等，把专业严谨落实在每一步，以确保数据的准确性和模型应用的可靠性。
风控方面，中望金服主管团队成员平均从业时间10年以上、拥有千亿级信贷资产审核经验，自主研发的全流程智能风控系统“猎隼”闻名业界。以自有大数据为基础，千维数据融合复杂关系图谱，对借款用户进行全面立体画像，提高产品匹配精准度和反欺诈效率，结合美国Sparkling Logic决策引擎系统，进行全流程多维度风险防控，将风险防控落实在每个环节。
本文网址：
